У нас накопилась ежедневная гора сканов, и ручной ввод давно себя изжил. Хотим платформу, которая берёт загруженную картинку или многостраничный скан и отдаёт готовую структуру данных, а не сплошной поток распознанных символов. Из счёта нужно вытащить контрагента, номер, дату, перечень позиций, налог и итоговую сумму. Из кассового чека — торговую точку, дату, сумму и валюту. Из удостоверяющего документа — фамилию и имя, номер бланка и дату окончания. Рядом с каждым значением должна стоять оценка уверенности, чтобы сотрудник мгновенно понимал, где можно положиться на автомат, а где требуется ручная сверка. Подчеркну: речь идёт именно о чтении и извлечении сведений из бумаг, а не о сборке PDF и не о хранилище медиаактивов — это принципиально иная задача.
Проект логично делится на две связанные части. Первая — рабочий конвейер обработки: подготовка кадра, устранение перекоса, распознавание при неровном качестве печати и на нескольких языках, а поверх — разборщик, раскладывающий сырой текст по перечисленным полям. Вторая — понятная панель вычитки, где оператор открывает документ, видит найденные поля наложенными на оригинальный скан и поправляет ошибочные распознавания перед тем, как утвердить запись. Значения с невысокой уверенностью нужно выделять цветом, чтобы проверка занимала секунды. Дополнительно всё должно вызываться из кода: REST-метод принимает файл и возвращает JSON с полями, значениями, координатами прямоугольников и уверенностью, а для пакетов предусмотрен вебхук или отдельный запрос статуса.
К стеку относимся без догм: годится облачная модель компьютерного зрения, открытый набор OCR-инструментов или их сочетание — важны стабильная точность и прогнозируемая цена за страницу. Приложите примеры аналогичных решений по извлечению и без прикрас опишите, какой точности достигаете на потрёпанных реальных сканах.
— Извлечение полей из счетов, чеков и удостоверяющих документов
— Уверенность по каждому полю и подсветка сомнительных значений
— Панель вычитки с наложением полей на исходный скан
— REST API с ответом JSON: поля, значения, координаты, уверенность
— Пакетная обработка через асинхронный статус либо вебхуки
— Прогнозируемая цена страницы и честные метрики точности
Проект логично делится на две связанные части. Первая — рабочий конвейер обработки: подготовка кадра, устранение перекоса, распознавание при неровном качестве печати и на нескольких языках, а поверх — разборщик, раскладывающий сырой текст по перечисленным полям. Вторая — понятная панель вычитки, где оператор открывает документ, видит найденные поля наложенными на оригинальный скан и поправляет ошибочные распознавания перед тем, как утвердить запись. Значения с невысокой уверенностью нужно выделять цветом, чтобы проверка занимала секунды. Дополнительно всё должно вызываться из кода: REST-метод принимает файл и возвращает JSON с полями, значениями, координатами прямоугольников и уверенностью, а для пакетов предусмотрен вебхук или отдельный запрос статуса.
К стеку относимся без догм: годится облачная модель компьютерного зрения, открытый набор OCR-инструментов или их сочетание — важны стабильная точность и прогнозируемая цена за страницу. Приложите примеры аналогичных решений по извлечению и без прикрас опишите, какой точности достигаете на потрёпанных реальных сканах.
— Извлечение полей из счетов, чеков и удостоверяющих документов
— Уверенность по каждому полю и подсветка сомнительных значений
— Панель вычитки с наложением полей на исходный скан
— REST API с ответом JSON: поля, значения, координаты, уверенность
— Пакетная обработка через асинхронный статус либо вебхуки
— Прогнозируемая цена страницы и честные метрики точности
